| 姓名 | 张弛 |
| 职务/职称 | 讲师 | |
| 研究方向 | 可信人工智能，人工智能安全 |
张弛，博士毕业于英国埃克斯特大学计算机专业。 研究方向为稳健鲁棒的深度学习模型及其应用。尽管近年来深度学习的广泛应用取得了巨大成功，但深度学习模型被证明对环境的不确定性和对抗性干扰噪声数据很容易受到影响，缺乏稳健性。研究主要目标是开发鲁棒的深度学习模型，使训练好的深度学习模型在任何环境不确定性下都能保持高准确性，例如对抗性扰动、数据缺失和数据污染。任何涉及深度学习组件的系统都将从该研究中受益，特别是那些由半自主或全自主系统操作的安全关键任务，比如自动驾驶汽车、自动救援机器人和自动医学分析/诊断。研究成果已经在国际人工智能会议AAAI，PAKDD， ICASSP等上发表。
论文发表：
[1] Reachability Analysis of Neural Network Control Systems”, by C. Zhang, W. Ruan, P. Xu, AAAI Conference on Artificial Intelligence (AAAI), 2023
[2] ”Model-Agnostic Reachability Analysis on Deep Neural Networks”, by C. Zhang, W. Ruan, F. Wang, P. Xu, G. Min, X. Huang, Pacific-Asia Conference on Knowledge Discovery and Data Mining (PAKDD), 2023
[3] ”Reachability Analysis on Recurrent Neural Networks”, by C. Zhang, F. Wang, P. Xu, W. Ruan, RobustML workshop paper at ICLR 2021
[4] ”Deep Learning and Its Adversarial Robustness: A Brief Introduction”, by F. Wang, C. Zhang, P. Xu, W. Ruan, World Scientific Publishing 出版教材 ”Handbook on Computer Learning and Intelligence” 第十三章, 2022
[5] Sora: Scalable Black-Box Reachability Analyser on Neural Networks P. Xu, F. Wang, W. Ruan, C. Zhang, X. Huang, International Conference on Acoustics, Speech, and Signal Processing，(ICASSP), 2023
